管理装置、管理方法以及部件安装系统与流程

本公开涉及部件安装机的管理装置和管理方法、以及部件安装系统。

背景技术：

在专利文献1公开了一种对部件安装机是否需要维护进行向导的维护向导系统，所述部件安装机是对吸附喷嘴吸附的部件进行图像识别，根据识别结果，校正吸附位置的偏移，并且安装到基板的设备。在专利文献1记载的维护向导系统中，根据多个识别结果的偏差状态，判断是否需要维护送料器。

(现有技术文献)

(专利文献)

专利文献1∶国际公开第2016/046967号

然而，通过图像识别的识别结果，不能确切地示出送料器的不良状态，所以在所述以往的维护向导系统中，不能高精度地判断送料器是否需要维护。

技术实现要素：

于是，本公开提供一种管理装置、管理方法以及部件安装系统，能够支援针对部件安装机具有的每个构成要素是否需要维护进行确切的判断。

为了解决上述课题，本公开的一个方案涉及的管理装置，是部件安装机的管理装置，所述部件安装机，使用从多个构成要素群的每一个中选择的构成要素，将多个部件安装到基板，所述多个构成要素群的每一个分别包括多个构成要素，所述多个构成要素群中的一个构成要素群是包括多个喷嘴的喷嘴群，所述管理装置，具备：算出部，将所述多个部件的各个部件作为对象部件，按照每个所述对象部件算出真正的偏移量，该真正的偏移量是吸附偏移量与校正量的和，所述吸附偏移量是所述对象部件与对象喷嘴之间的偏移量，所述对象喷嘴是所述多个喷嘴中的1个喷嘴并且是吸附所述对象部件的喷嘴，所述校正量是在吸附所述对象部件时的所述对象喷嘴的位置的偏移量；以及统计处理部，针对使用了所述真正的偏移量的规定的统计模型，进行参数估计，从而算出每个所述构成要素的第1不良度。

此外，本公开的一个方案涉及的部件安装系统，具备：所述管理装置；以及所述部件安装机。

此外，本公开的一个方案涉及的管理方法，是部件安装机的管理方法，所述部件安装机，使用从多个构成要素群的每一个中选择的构成要素，将多个部件安装到基板，所述多个构成要素群的每一个分别包括多个构成要素，所述多个构成要素群中的一个构成要素群是包括多个喷嘴的喷嘴群，在所述管理方法中，获得吸附偏移量，所述吸附偏移量是对象部件与对象喷嘴之间的偏移量，所述对象部件是所述多个部件中的1个部件，所述对象喷嘴是所述多个喷嘴中的1个喷嘴并且是吸附所述对象部件的喷嘴，获得校正量，所述校正量是在吸附所述对象部件时的所述对象喷嘴的位置的偏移量，算出真正的偏移量，所述真正的偏移量是所述吸附偏移量与所述校正量的和，针对使用了所述真正的偏移量的规定的统计模型，进行参数估计，从而算出每个所述构成要素的不良度。

此外，本公开的一个方案可以作为使计算机执行所述管理方法的程序来实现。或者可以作为保存该程序的计算机可读取的记录介质来实现。

通过本公开，能够支援针对部件安装机具有的每个构成要素是否需要维护进行确切的判断。

附图说明

图1是示出实施方式1涉及的具备管理装置的部件安装系统的构成的方框图。

图2是实施方式1涉及的部件安装系统具备的部件安装机的平面图。

图3是示出实施方式1涉及的部件安装系统具备的部件安装机的送料器的构成例的侧面图。

图4是示出实施方式1涉及的部件安装系统的部件安装机具有的1个喷嘴吸附部件的样子的侧面图。

图5是示出实施方式1涉及的管理装置蓄积在存储器的蓄积信息的一例的图。

图6是示出实施方式1涉及的管理装置的动作的一例的流程图。

图7是示出实施方式1涉及的管理装置的动作的另一例的流程图。

图8是示出实施方式2涉及的具备管理装置的部件安装系统的构成的方框图。

图9是示出实施方式2涉及的部件安装系统的动作的一例的流程图。

图10是示出实施方式3涉及的部件安装系统的部件安装机具有的1个喷嘴对部件进行的吸附动作的图。

具体实施方式

(成为本公开的基础的见解)

本发明人关于在背景技术中记载的以往的维护向导系统，发现了会产生以下的问题。

在以往的维护向导系统中，利用了进行图像识别的识别结果，但是该识别结果，不能够确切地表示送料器的不良。通常，在部件安装机中，对吸附部件的喷嘴的位置进行校正之后对部件进行吸附。换言之，通过图像识别的识别结果，表示在位置被校正之后的喷嘴的吸附位置的偏移。

因此，即使利用识别结果，也不能判别校正前的原来的喷嘴以及送料器的不良的程度。例如，原本不良程度为需要维护的送料器或者喷嘴，由于喷嘴的位置被校正，所以可能判断为没有不良，换言之不需要维护。

这样，在以往的维护向导系统中，不能确切地判断是否需要维护。于是，在本公开中提供一种管理装置、管理方法以及部件安装系统等，能够支援针对部件安装机具有的每个构成要素是否需要维护进行确切的判断。

为了解决上述课题，本公开的一个方案涉及的管理装置，是部件安装机的管理装置，所述部件安装机，使用从多个构成要素群的每一个中选择的构成要素，将多个部件安装到基板，所述多个构成要素群的每一个分别包括多个构成要素，所述多个构成要素群中的一个构成要素群是包括多个喷嘴的喷嘴群，所述管理装置，具备：算出部，将所述多个部件的各个部件作为对象部件，按照每个所述对象部件算出真正的偏移量，该真正的偏移量是吸附偏移量与校正量的和，所述吸附偏移量是所述对象部件与对象喷嘴之间的偏移量，所述对象喷嘴是所述多个喷嘴中的1个喷嘴并且是吸附所述对象部件的喷嘴，所述校正量是在吸附所述对象部件时的所述对象喷嘴的位置的偏移量；以及统计处理部，针对使用了所述真正的偏移量的规定的统计模型，进行参数估计，从而算出每个所述构成要素的第1不良度。

从而，在按照每个构成要素算出第1不良度时，使用吸附偏移量与校正量的和即真正的偏移量，所以算出的第1不良度，能够确切地表示构成要素的不良的程度。因为第1不良度成为确切的值，所以使用该第1不良度，从而能够对每个构成要素是否需要维护，确切地进行判断。

这样通过本方案涉及的管理装置，能够支援对部件安装机具有的每个构成要素是否需要维护进行确切的判断。

通常，出现吸附错误的原因是来源于各个构成要素的偏移大。在本公开中，来源于各个构成要素的偏移作为第1不良度而可见化，从而在部件的吸附错误多发之前，针对虽不至于错误多发，但是不良度高的构成要素，进行预防性的维护。从而，能够抑制部件的吸附错误发生导致的制造工序的延迟以及损失等发生。

此外，使用本方案涉及的管理装置算出的第1不良度，从而能够仅在第1不良度高的情况下进行维护。因此，比起定期进行维护的情况，能够减少维护次数。

此外，即使定期执行维护的情况下，在喷嘴等时变劣化大时，在进行下次维护之前有可能发生吸附错误。对于此，利用本方案涉及的管理装置算出的第1不良度，即使在时变劣化大的情况下，能够在不良度变高时进行维护，所以能够减少实际发生部件的吸附错误的可能性。通过确切地判断是否需要维护，从而能够抑制制造物的生产效率以及品质低下。

在吸附对象部件的对象喷嘴移动时，有时随着对象喷嘴的移动产生对象部件的偏移，也就是产生移动偏移。例如，在对象部件重的情况下、或者加减速大的情况下容易产生移动偏移。在这个情况下，由识别装置识别吸附位置的偏移时，该吸附位置的偏移，不仅包括对象喷嘴吸附对象部件的时刻的吸附偏移，还包括移动偏移。

于是，例如可以是，本公开的一个方案涉及的管理装置中，所述吸附偏移量包括由于所述对象喷嘴在吸附所述对象部件之后的移动而产生的偏移量。

因此，通过提高偏移的原因的分析精度，所以能够提高第1不良度的准确度。从而，能够提高是否需要维护的判断精度，所以能够抑制制造物的生产效率以及品质的低下。

此外例如可以是，所述统计模型的参数估计是最大似然估计、或者后验概率最大化估计或者贝叶斯估计。

从而，通过进行基于最大似然估计、后验概率最大化估计、或者贝叶斯估计的处理，能够提高第1不良度的确切度。换言之，被算出的第1不良度，能够更确切地表示每个构成要素的不良的程度。这样通过本方案涉及的管理装置，能够支援针对部件安装机具有的每个构成要素是否需要维护进行高精度的判断。

此外，例如可以是，本公开的一个方案涉及的管理装置，还具备输出部，所述输出部，在所述第1不良度超过预先规定的第1阈值的情况下，输出示出与超过所述第1阈值的第1不良度对应的构成要素的信息。

从而，能够将被输出的信息示出的构成要素，作为维护对象的构成要素来确定。通过确定维护对象的构成要素，能够削减维护所需要的时间等。因此，例如能够确保长期的部件安装机的运行时间。

此外，例如可以是，所述多个构成要素群的另一个构成要素群是包括多个送料器的送料器群，所述管理装置还具备获得部，所述获得部，在所述第1不良度超过预先规定的阈值的情况下，获得所述多个送料器的至少1个输送机构的偏移量，所述统计处理部，还通过使用由所述获得部获得的偏移量进行统计处理，从而算出第2不良度，所述管理装置还具备输出部，所述输出部，在所述第2不良度超过预先规定的第2阈值的情况下，输出维护指示。

因为通过第1不良度与第1阈值的比较以及第2不良度与第2阈值的比较的2个阶段进行比较，所以能够高精度地判断是否需要维护。此外，在第1不良度为第1阈值以下的情况下，不进行第2不良度与第2阈值的比较。因此，在第1不良度为第1阈值以下，部件安装机不良的可能性低的情况下，可以不进行为了算出第2不良度所需要的获得送料器的输送机构的偏移量的处理。这样通过省略与是否需要维护的判断有关的处理，从而能够抑制部件安装机的生产效率的低下。此外，在第1不良度超过第1阈值，部件安装机的不良的可能性高的情况下，进行第2不良度与第2阈值的比较，所以能够确切地检测部件安装机的不良。

此外，例如可以是，所述部件安装机，进一步具备：头部，保持所述多个喷嘴；头部控制装置，控制所述头部的移动；以及摄像装置，被安装在所述头部，所述输出部，还在所述第1不良度超过所述第1阈值的情况下，将规定的信号输出到所述头部控制装置，所述头部控制装置，在接收了所述规定的信号的情况下，使所述头部移动并且使所述摄像装置进行摄像，从而生成包括所述输送机构的图像，所述获得部，根据由所述摄像装置生成的所述图像，获得所述输送机构的偏移量。

从而，利用安装在头部的摄像装置，能够获得为了算出第2不良度所需要的输送机构的偏移量。被安装在头部的摄像装置，通常是为了部件的吸附位置的校准而被设置。从而不需要为了获得输送机构的偏移量而专用的摄像装置等，所以能够抑制部件安装机的构成的复杂化及高成本化。另外，被安装在头部的摄像装置进行输送机构的摄像的期间，不能进行部件安装。因此，仅在第1不良度超过第1阈值的情况下，使摄像装置拍摄输送机构，从而能够缩短不能进行部件安装的期间，能够抑制生产效率的低下。

此外，例如可以是，本公开的一个方式涉及的管理装置，还具备蓄积部，所述蓄积部，按照每个所述对象部件，将要素信息、所述吸附偏移量、以及所述校正量建立对应并存储到存储器，所述要素信息示出在所述对象部件的安装中使用的构成要素的组合，所述构成要素包括所述对象喷嘴。

从而，在真正的偏移量以及不良度的计算中使用的信息存储在存储器中，所以可以在任意的时刻算出真正的偏移量以及不良度。例如，在确认到不良度的上升的情况下，通过提高算出不良度的频度，从而能够对是否需要维护进行判断的次数增加。从而，能够在发生部件的吸附错误之前进行维护。

此外，本公开的一个方案涉及的部件安装系统，具备所述管理装置以及所述部件安装机。

从而，利用管理装置算出的不良度，能够针对部件安装机具有的每个构成要素是否需要维护确切地进行判断。

此外，本公开的一个方案涉及的管理方法，是部件安装机的管理方法，所述部件安装机，使用从多个构成要素群的每一个中选择的构成要素，将多个部件安装到基板，所述多个构成要素群的每一个分别包括多个构成要素，所述多个构成要素群中的一个构成要素群是包括多个喷嘴的喷嘴群，在所述管理方法中，获得吸附偏移量，所述吸附偏移量是对象部件与对象喷嘴之间的偏移量，所述对象部件是所述多个部件中的1个部件，所述对象喷嘴是所述多个喷嘴中的1个喷嘴并且是吸附所述对象部件的喷嘴，获得校正量，所述校正量是在吸附所述对象部件时的所述对象喷嘴的位置的偏移量，算出真正的偏移量，所述真正的偏移量是所述吸附偏移量与所述校正量的和，针对使用了所述真正的偏移量的规定的统计模型，进行参数估计，从而算出每个所述构成要素的不良度。

这样与上述管理装置同样，能够支援对部件安装机具有的每个构成要素是否需要维护进行确切的判断。

此外，本公开的一个方案涉及的程序，是用于使计算机执行上述管理方法的程序。

这样与上述管理装置同样，能够支援对部件安装机具有的每个构成要素是否需要维护进行确切的判断。

以下，针对实施方式，参考附图进行说明。

另外，以下说明的实施方式都是示出本公开的概括或者具体的例子。以下实施方式中示出的数值、形状、材料、构成要素、构成要素的配置位置及连接形式、步骤以及步骤的顺序等是一个例子，主旨并非限定本公开。此外，以下的实施方式中的构成要素中，独立的技术方案没有记载的构成要素，作为任意的构成要素来说明。

此外，各图是示意图，并非是严谨的图示。因此，例如在各图中缩尺等也并非一致。此外，在各图中，对实质上相同的构成赋予相同的符号，省略或简化重复说明。

(实施方式1)

首先，利用图1来说明实施方式1涉及的具备管理装置的部件安装系统的构成。图1是示出本实施方式涉及的具备管理装置50的部件安装系统1的构成的方框图。

如图1示出，部件安装系统1具备部件安装机10、识别装置20、控制装置30、存储器40、管理装置50。另外，在图1中模式地示出，部件安装机10将用于安装到基板90的多个部件之一的对象部件91，安装到基板90的样子。

部件安装机10，具备多个构成要素群，该多个构成要素群分别包括多个构成要素。部件安装机10，利用从多个构成要素群的每一个中选择的构成要素，将多个部件安装到基板。

多个构成要素群，具体而言，包括喷嘴群以及送料器群。喷嘴群，包括多个喷嘴11，多个喷嘴11分别吸附部件。送料器群，包括多个送料器12，多个送料器12分别提供部件。在部件安装机10中，由从喷嘴群中选择的1个喷嘴11吸附对象部件91，将吸附的对象部件91安装到基板90，该对象部件91是从送料器群中选择的1个送料器12来提供的部件。另外，构成要素群可以包括如下：头部群，分别包括保持喷嘴11的多个头部、卷轴群，包括多个卷轴，各个卷轴分别由收纳多个部件的载带来卷绕、部件种类群，包括具有多个形状的多个部件种类。换言之，在本实施方式中，构成要素群，不仅包括构成部件安装机10的喷嘴等构成部件，还可以包括由部件安装机10进行安装的对象的部件。具体而言，成为该安装的对象的多个部件中，按照该每个形状被分类为多个部件种类。多个部件种类的每一个分别是部件安装机10的构成要素的1个。

图2是本实施方式涉及的部件安装系统1具备的部件安装机10的平面图。图3是示出本实施方式涉及的部件安装系统1具备的部件安装机10的送料器12的构成例的侧面图。如图2以及图3示出的x轴、y轴以及z轴，相当于三维正交座标系的三个轴。x轴以及y轴是，与基板90平行的平面内相互正交的两个轴。x轴与基板90的搬送方向平行，y轴与载带92的传送方向平行。z轴与平面正交。

如图2示出，部件安装机10，具备配置在基台13的中央位置的2台基板搬送机构14。基板搬送机构14，将基板90沿着x轴搬送，对部件安装的操作位置进行定位。在基板搬送机构14的两侧，配设了部件供给部15，在部件供给部15中并设有多个送料器12。多个送料器12的每一个，将载带92按照齿距传送，从而将部件供给到部件取出口。

如图3示出，送料器12具有链轮12a和按压部件12b。链轮12a与未图示地电动机连接，按照电动机的旋转来旋转。

如图3示出，载带92具有基带93和罩带94。在基带93设置有，用于链轮12a的齿部(链轮齿销)插入的导孔93a。链轮12a的旋转传递到导孔93a，载带92朝向y轴的正侧移动。

在基带93，设置有多个凹部93b，用于分别收纳多个部件的每一个。凹部93b，被罩带94覆盖，但是通过按压部件12b在部件取出口的附近剥离罩带94，从而露出凹部93b。从而，喷嘴11能够吸附露出的凹部93b中收纳的对象部件91。

如图2示出，在基台13的x轴方向的一端部，配设了具备线性驱动机构的y轴移动桌16。y轴移动桌16，与具备线性驱动机构的2个x轴移动桌17结合。在x轴移动桌17，安装有保持喷嘴11的头部18。头部18，通过x轴移动桌17的线性驱动机构，能够沿着x轴来移动。2个x轴移动桌17，通过y轴移动桌16的线性驱动机构，能够沿着y轴移动。从而，由头部18保持的喷嘴11，能够在xy平面内移动。

通过头部18移动，从而喷嘴11，吸附被收纳在载带92的凹部93b的对象部件91，在移动到基板90的安装位置之后，将吸附的对象部件91配置在基板90上。另外，可以在头部18安装多个喷嘴11，以1次移动就能够安装多个部件。

这样，在安装1个部件时，包括送料器12以及喷嘴11的多个构成要素相互协助动作。具体而言，从部件安装机10具备的多个构成要素群中的每一个群，分别选择至少1个构成要素，使用被选择的构成要素，安装1个部件。

在本实施方式中，部件安装机10，由控制装置30而被控制，并且由管理装置50来管理。

识别装置20是对对象部件91与吸附对象部件91的喷嘴(对象喷嘴)11的位置关系进行识别的装置。对象部件91是成为喷嘴11进行吸附的对象的部件。

具体而言，识别装置20是摄像机，拍摄在部件取出口等的进行对象部件91的吸附处理的范围、或者吸附了对象部件91的喷嘴11通过的范围。识别装置20，通过拍摄对象部件91和吸附对象部件91的状态的喷嘴11从而生成图像。识别装置20，例如图2示出，被配置在基板搬送机构14与部件供给部15之间。

识别装置20与控制装置30，以有线或者无线来连接，能够相互进行信息的收发。识别装置20，将通过拍摄而生成的图像输出到控制装置30。

控制装置30，对部件安装机10的动作进行控制。如图1所示，控制装置30，具备吸附偏移量获得部31、校正量决定部32、控制部33。

吸附偏移量获得部31，获得吸附偏移量。吸附偏移量是图4示出的吸附偏移量d，吸附对象即对象部件91与吸附对象部件91的喷嘴11的偏移量。另外，图4是示出本实施方式涉及的部件安装系统1的部件安装机10具有的1个喷嘴11吸附对象部件91的样子的侧面图。关于吸附偏移量d、以及后述的校正量c以及真正的偏移量e，在后边详细说明。

具体而言，吸附偏移量获得部31，获得从识别装置20输出的图像，通过进行边缘抽取处理等图像处理，从而在图像内确定喷嘴11与对象部件91。吸附偏移量获得部31，根据被确定的喷嘴11与对象部件91的位置关系，算出喷嘴11与对象部件91的偏移量(即吸附偏移量d)，从而获得吸附偏移量d。

吸附偏移量获得部31获得的吸附偏移量d，输出到校正量决定部32以及管理装置50的蓄积部51。另外，图像处理以及吸附偏移量d的算出，可以由识别装置20来进行。在这个情况下，识别装置20将表示算出的吸附偏移量d的信息输出到控制装置30。吸附偏移量获得部31，通过获得从识别装置20输出的信息，从而获得吸附偏移量d。

校正量决定部32，根据吸附偏移量d决定校正量。校正量是图4示出的校正量c，是在吸附对象部件91时，吸附对象部件91的喷嘴11的偏移量。喷嘴11，在按照由校正量决定部32决定的校正量c进行了偏移的位置上，吸附部件。

校正量决定部32，例如，以吸附偏移量d变小的方式，决定校正量c。校正量决定部32决定的校正量c，被输出到控制部33以及管理装置50的蓄积部51。被决定的校正量c，在下次的部件吸附时使用。

另外，理想的是校正量c，被决定为吸附偏移量d成为0。然而，例如1个头部18被固定有多个喷嘴11的情况下，多个喷嘴11一体地移动，所以不能决定使多个喷嘴11全部的吸附偏移量d成为0的校正量c。在这个情况下，校正量决定部32，例如可以使多个吸附偏移量d的平均或者方差接近0的方式，来对多个喷嘴11决定1个校正量c。

控制部33，对部件安装机10具备的多个构成要素的动作进行控制。具体而言，控制部33，从多个构成要素群的每一个群，分别选择至少1个用于对象部件91的安装的构成要素，对选择的多个构成要素进行控制。例如，控制部33，对供给对象部件91的送料器12、以及吸附对象部件91的喷嘴11的各个进行控制。在这个时候，控制部33，按照由校正量决定部32决定的校正量c，对喷嘴11的吸附位置进行偏移，并且吸附对象部件91。

这样，控制装置30，具有对部件安装机10的安装处理进行反馈的功能。换言之，根据喷嘴11的实际的吸附位置即校正后的喷嘴11的吸附位置与对象部件91的偏移量，也就是吸附偏移量d来决定校正量c，在吸附下一个部件时，按照被决定的校正量c进行偏移，使喷嘴11吸附部件。例如，以吸附偏移量d变小的方式，决定校正量c，从而能够提高部件吸附的精度。

控制装置30，例如通过被存放了程序的非易失性存储器、用于执行程序的暂时的存储区域即易失存储器、输入输出端口、执行程序的处理器等来实现。吸附偏移量获得部31、校正量决定部32、控制部33可以分别通过由处理器执行的软件来实现，也可以通过包括多个电路元件的电子电路等硬件来实现。

存储器40是用于存储蓄积信息41的存储装置的一例。存储器40是例如hdd(harddiskdrive)或者闪存等非易失性存储器。

图5是示出本实施方式涉及的管理装置50蓄积在存储器40的蓄积信息41的一例的图。蓄积信息41，包括部件安装机10的安装日志信息。安装日志信息，具体而言如图5示出，针对安装的多个部件的每一个，包括安装部件的时刻、表示在安装中使用的构成要素的组合的要素信息、校正量c以及吸附偏移量d。

时刻，例如是吸附部件喷嘴11的时刻，但是也可以是将吸附的部件配置在基板90的时刻。或者时刻也可以是，识别装置20的拍摄时刻。时刻例如由年/月/日示出的日期，以及由时：分：秒示出的时刻来表示。另外，时刻可以用毫秒等比秒单位更小的单位来表示。

要素信息，具体而言示出按照每个构成要素群而被选择的构成要素。在本实施方式中，给各个构成要素分配了固有的识别信息，所以要素信息，示出对按照每个构成要素群而被选择的构成要素进行分配的识别信息。

例如图5示出，喷嘴群包括的多个喷嘴11分别被分配了以“n”和三位数的编号来表示的识别信息。送料器群包括的多个送料器12分别被分配了以“f”和三位数的编号来表示的识别信息。另外，识别信息只要能够判别各个构成要素，其他任何形式都可以。

校正量c，是由控制装置30的校正量决定部32决定的校正量。

吸附偏移量d是由控制装置30的吸附偏移量获得部31获得的吸附偏移量。

进而蓄积信息41，包括真正的偏移量e。真正的偏移量e是由管理装置50算出的值，用校正量c与吸附偏移量d的和来表示。

在图5示出的例子中示出，部件p001通过识别编号为“n001”的喷嘴11、和识别编号为“f001”的送料器12等而被安装。吸附部件p001时的喷嘴11的校正量c是“0.6”，吸附偏移量d是“0.2”。真正的偏移量e是校正量c与吸附偏移量d的和，所以成为“0.8”。

管理装置50，对部件安装机10进行管理。具体而言，管理装置50，算出部件安装机10具备的多个构成要素各自的不良度，根据算出的不良度，输出信息，该信息能够用于判断各个构成要素是否需要维护。

在本实施方式中，如图1示出，管理装置50，具备蓄积部51、真正的偏移量算出部52、统计处理部53、输出部54。

蓄积部51，按照每个对象部件，将要素信息、吸附偏移量d、校正量c建立对应并存储在存储器40。在本实施方式中，进一步，蓄积部51，按照每个对象部件，与真正的偏移量e建立对应来存储。蓄积部51，使存储器40存储各个信息，从而生成蓄积信息41。

真正的偏移量算出部52，按照每个对象部件来算出吸附偏移量d与校正量c的和，即真正的偏移量e。具体而言，真正的偏移量算出部52，读出存储在存储器40的蓄积信息41，将读出的蓄积信息41包括的校正量c与吸附偏移量d的和，按照每个对象部件来算出，从而作为与对象部件对应的真正的偏移量e来算出。算出的真正的偏移量e，与对象部件建立对应并存储在存储器40。

统计处理部53，针对利用了真正的偏移量e的规定的统计模型，进行用于估计规定的参数的运算处理，从而算出每个构成要素的不良度。用于估计规定的参数的运算处理，例如是最大似然估计、后验概率最大化估计、贝叶斯估计等。关于详细，在后边说明。

每个构成要素的不良度是第1不良度的一例，表示按照每个构成要素估计的不良的程度。例如，不良度由对应的构成要素的偏移的估计量来表示。或者不良度可以由对应的构成要素的偏移的平均与标准差来表示。“偏移”是指与正常状态的偏离，例如在喷嘴11的情况下，相当于真正的偏移量e。

输出部54，在不良度超过预先规定的阈值的情况下，将示出与超过阈值的不良度对应的构成要素的信息，作为维护指示来输出。具体而言，输出部54，按照每个构成要素，将由统计处理部53算出的不良度与阈值进行比较，从而判断不良度是否超过阈值。

阈值是第1阈值的一例，例如按照每个构成要素群而不同。在这个时候，不良度包括正数以及负数的双方的情况下，在阈值中可以包括正的阈值以及负的阈值的2个。例如，在喷嘴群使用的阈值是“－2.0”以及“2.0”，在送料器群使用的阈值是“－1.2”以及“2.0”。另外，阈值可以共通于全部构成要素群。

输出部54，例如将维护对象的构成要素通知给制造管理者或者维护工作者等的图像即通知图像，作为维护指示来生成并输出。通知图像，例如是示出被判断为超过阈值的不良度所对应的构成要素、即不良的构成要素的图像。例如，通知图像中包括示出不良的构成要素的识别信息的文本等。通知图像，被输出到显示装置等，显示在显示装置。另外，显示装置，与管理装置50以有线或者无线连接，显示从管理装置50输出的图像。

另外，输出部54，可以不生成通知图像，可以生成示出不良的构成要素的语言信息。输出部54，可以向扬声器等声音输出部输出语言信息，由扬声器将语言信息转换为语音来输出。另外，管理装置50可以具备显示装置或者扬声器等。此外，输出的形态不被特别限定为在纸等印刷物上打印。

此外，被输出的信息，可以是只示出不良的构成要素的信息，也可以是对全部构成要素是否不良建立对应的列表化的信息。可以与是否需要维护建立对应，以取代与是否不良建立对应。

管理装置50，例如通过被存放了程序的非易失性存储器、用于执行程序的暂时的存储区域即易失存储器、输入输出端口、执行程序的处理器等来实现。蓄积部51、真正的偏移量算出部52、统计处理部53、输出部54可以分别通过由处理器执行的软件来实现，也可以通过包括多个电路元件的电子电路等硬件来实现。

接着，关于校正量c、吸附偏移量d以及真正的偏移量e的详细，利用图4来说明。

图4示出的基准位置，例如是对象部件91以及喷嘴11等各个构成要素全部正常的情况下，正确地进行吸附的位置。在图4示出的例子中，对象部件91从基准位置向单向箭头记号的正侧偏移了距离|a|(＝a的绝对值)。此外，没有进行校正而吸附时的喷嘴11b的位置，从基准位置向单向箭头记号的相反一侧偏移了距离|b|。另外，距离b是负数。

在图4中图示了2个喷嘴11a和11b。喷嘴11a，是吸附位置被校正之后的喷嘴11。换言之，喷嘴11a是实际上吸附对象部件91的喷嘴11。喷嘴11b是吸附位置没有校正时的喷嘴11。换言之，喷嘴11b与喷嘴11a的位置的偏移量相当于校正量c。

在本实施方式中，通过图4的粗线的单向箭头记号，来定义了校正量c、吸附偏移量d以及真正的偏移量e各自的正负。另外，喷嘴11的位置、以及对象部件91的位置，分别是通过喷嘴11的中心的线(图4的一点划线)的位置、和通过对象部件91的中央的线(图4的双点划线)的位置。

例如，校正量c的绝对值被定义为，与以没有校正的喷嘴11b为基准时的喷嘴位置偏移的距离。校正量c的正负，表示校正的方向。例如图4示出，使没有校正的喷嘴11b向与单向箭头记号一致的方向移动的情况下，校正量c成为正值。相反，使喷嘴11b向与单向箭头记号相反方向移动的情况下，校正量c成为负值。

吸附偏移量d的绝对值被定义为，在以校正后的喷嘴11a为基准时的针对对象部件91的正确的吸附位置为止的距离。另外，针对对象部件91的正确的吸附位置，例如是对象部件91的中央位置，以图4的双点划线来示出。吸附偏移量d的正负，表示相对于喷嘴11a的对象部件91的正确的吸附位置的方向。

例如图4示出，从校正后的喷嘴11a朝向对象部件91的中央的方向与单向箭头记号一致的情况下，吸附偏移量d成为正值。相反，从喷嘴11a朝向对象部件91的中央的方向是与单向箭头记号相反方向的情况下，吸附偏移量d成为负值。

真正的偏移量e是校正量c与吸附偏移量d的和。换言之，真正的偏移量e表示在没有进行吸附位置的校正时的喷嘴11b的吸附位置，与针对对象部件91的正确的吸附位置即对象部件91的中央位置之间的偏移量。

真正的偏移量e，以没有校正的喷嘴11b为基准，来决定正负。在真正的偏移量e为正值的情况下，表示相对于喷嘴11b，对象部件91位于单向箭头记号的正侧。相反，在真正的偏移量e是负值的情况下，表示相对于喷嘴11b，对象部件91位于单向箭头记号的负侧。

另外，校正量c、吸附偏移量d以及真正的偏移量e的正负的定义只不过是一例，例如可以将各个正负定义为相反方向。此外，在这里校正量c、吸附偏移量d以及真正的偏移量e，以单向(一维)来示出，但是可以分别以xy平面内的二维来定义。在这个情况下，可以分别在x轴方向与y轴方向进行运算处理，也可以通过矢量运算来处理。

接着关于本实施方式涉及的管理装置50的动作，利用图6来说明。图6是本实施方式涉及的管理装置50的动作的流程图。

如图6示出，首先在管理装置50中，蓄积部51获得示出一定区间的吸附偏移量d以及校正量c的信息(s10)。蓄积部51，在每个吸附处理，换言之，针对每个对象部件91获得吸附偏移量d以及校正量c。蓄积部51，还按照每个对象部件91，获得示出在该对象部件的吸附中用使的构成要素的要素信息。

一定区间是一天或者一小时等规定的期间、或者针对同一个基板组的安装区间等规定的处理单位的区间。另外，蓄积部51，针对吸附偏移量d以及校正量c的信息，可以按照每个对象部件91的吸附处理来获得，也可以总结一定区间的信息来获得。

蓄积部51，将获得的信息与每个处理建立对应，作为蓄积信息41保存到存储器40(s11)。每个处理，例如是每次的1个对象部件91的吸附处理。因此，例如图5示出，按照每个对象部件91的识别信息，与吸附偏移量d以及校正量c建立对应。进而，按照每个对象部件91的识别信息，与要素信息建立对应。要素信息，可以是送料器或者喷嘴等构成要素，也可以是头部的速度状态等影响偏移量的设定要素。

接着，真正的偏移量算出部52，根据蓄积信息41，对每个对象部件91算出真正的偏移量e(s12)。具体而言，真正的偏移量算出部52，从存储器40读出蓄积信息41中包含的吸附偏移量d与校正量c，按照每个对象部件91计算读出的吸附偏移量d与校正量c的和，从而算出吸附对象部件91时的真正的偏移量e。真正的偏移量算出部52，经由蓄积部51，将算出的真正的偏移量e保存到蓄积信息41。

接着，统计处理部53，针对使用了真正的偏移量e的规定的统计模型，进行用于参数估计的运算处理，从而算出每个构成要素的偏移量，以作为不良度(s13)。

在这里，说明统计处理部53进行的运算处理的具体例。

例如，统计处理部53，对统计模型的参数，进行最大似然估计。具体而言，统计处理部53，如式(1)示出，将按每个部件算出的真正的偏移量truezure视为依存于正常分布n，进行最大似然估计。

(1)truezure～n(feeder[n]+nozzle[n]+…,σ)

另外，所述式(1)中，“～”表示随机变量truezure依存于概率分布n。概率分布n(μ,σ)，表示平均μ、标准差σ的正态分布。概率分布，不限于正态分布，可以是t分布、柯西分布、或者拉普拉斯分布。

正态分布n的平均，表示部件安装机10具备的多个构成要素群中包括的全部构成要素的不良度的和。具体而言，式(1)中的feeder[n]，示出送料器群中包括的第n送料器的不良度。同样，nozzle[n]，示出送料器群中包括的第n送料器的不良度。统计处理部53，为了求出式(1)的不良度而进行最大似然估计。

另外，全部构成要素，是成为统计处理的对象的数据中包含的全部构成要素，是在部件的安装中利用的所有构成要素。换言之，可以排除部件的安装中一次也没有使用的构成要素。具体而言，将图5示出的蓄积信息41包括的要素信息示出的构成要素为对象，统计处理部53，根据所述式(1)进行统计处理。

或者统计处理部53，可以进行后验概率最大化估计。具体而言统计处理部53，与最大似然估计的情况同样，根据式(1)，将按照每个部件算出的真正的偏移量truezure视为依存于正态分布n，进行后验概率的最大化(map估计)。

此时，各个构成要素的先验分布，作为共同的先验分布，成为正态分布n(0,σ)。另外，先验分布标准差σ，视为一定值。统计处理部53，根据式(1)，并且作为各个构成要素的先验分布使用正态分布n(0,σ)，进行后验概率的最大化，从而将各个构成要素的偏移的估计量，算出为不良度。此外，作为先验分布可以使用拉普拉斯分布。

接着，输出部54，对按照每个构成要素算出的偏移的估计量，即不良度与阈值进行比较(s14)。至少1个偏移的估计量比阈值高的情况下(在s14中的“是”)，输出部54输出维护指示(s15)。维护指示，例如是用于确定超过阈值的不良度所对应的构成要素的信息。

在全部偏移的估计量均比阈值低的情况下(s14中的“否”)，结束管理装置50进行的管理处理。另外在全部偏移的估计量均比阈值低的情况下，输出部54，可以输出信息，将不需要维护的事宜通知给制造管理者、维护工作者等。

另外，关于图6示出的管理方法，例如在每一次结束一定区间的安装处理时，由管理装置50进行。例如，管理装置50按每一天、或每一小时实施管理方法。或者，管理装置50可以根据算出的不良度，变更管理方法执行的定时或者频度。例如，在不良度没有超过阈值，但是接近阈值的情况下，可以增加执行管理方法的频度。

此外，例如在维护之后的正常状态下的一定期间，按照每天或者每小时获得不良度，对那些不良度拟合正态分布，在获得新的不良度时，计算该不良度的发生概率。在这个情况下，针对不良度的发生概率设定阈值。

如上所述，在本实施方式涉及的管理装置50中，针对使用了真正的偏移量e的规定的统计模型，进行用于参数估计的运算处理，从而将每个构成要素的偏移的估计量，作为不良度来算出。

这样，使用的是吸附偏移量d与校正量c的和即真正的偏移量e，所以算出的偏移的估计量，能够确切地表示构成要素的不良的程度。偏移的估计量成为确切的值，所以通过利用该偏移的估计量，从而能够确切地判断每个构成要素是否需要维护。

如上所述，通过本实施方式涉及的管理装置50，能够支援对部件安装机10具有的每个构成要素是否需要维护进行确切的判断。

(变形例)

以下，说明按照统计处理的另外的例子的动作。

图7是示出本实施方式涉及的管理装置50的动作的另一例的流程图。

如图7示出，算出真正的偏移量e为止的处理(s10～s12)，与图6示出的流程图相同。以下，省略与图6示出的流程图相同的部分的说明，以不同部分为中心进行说明。

接着，统计处理部53，进行根据使用了真正的偏移量e的规定的统计模型的运算处理，从而将每个构成要素的偏移的平均以及标准差，作为不良度来算出(s23)。

在本变形例中，统计处理部53，作为后验概率最大化模型的一例，进行基于贝叶斯估计的运算处理。作为由贝叶斯估计来估计参数的统计模型，例如有以下。

例如式(2)示出，按照每个构成要素群，假设不同的标准差。

(2)truezure～n(feeder[n]+nozzle[n]+…,σ)

feeder[n]～n(0,feeder_σ)，feeder_σ～n⁺(0,hyper_a)

nozzle[n]～n(0,nozzle_σ)，nozzle_σ～n⁺(0,hyper_b)

在式(2)中，feeder[n]示出相当于送料器群中包括的第n送料器的不良度的变数，服从平均为0、标准差为feeder_σ的正态分布。nozzle[n]示出相当于喷嘴群中包括的第n喷嘴的不良度的变数，服从平均为0、标准差为nozzle_σ的正态分布。另外，代替正态分布，也可以假定为服从t分布、柯西分布、或拉普拉斯分布等。

此外，在式(2)中，feeder_σ以及nozzle_σ可以是定数。进而如式(2)示出，对feeder_σ以及nozzle_σ设定先验分布，进行阶层贝叶斯化。n⁺表示半正态分布。换言之，feeder_σ，服从平均为0、标准差为hyper_a的半正态分布。nozzle_σ，服从平均为0、标准差为hyper_b的半正态分布。hyper_a和hyper_b是定数。另外，代替半正态分布，也可以假定服从半t分布、指数分布、或者伽马分布等弱信息先验分布。另外，关于送料器以及喷嘴以外的构成要素群，也假定同样的概率分布。

此外，例如式(3)示出，可以按照每个构成要素群，假定不同的平均以及不同的标准差。

(3)truezure～n(feeder[n]+nozzle[n]+…,σ)

feeder[n]～n(feeder_mean_n,feeder_σ_n)

feeder_mean_n～n(0,hyper_a1)

feeder_σ_n～n⁺(0,hyper_b1)

nozzle[n]～n(nozzle_mean_n,nozzle_σ_n)

nozzle_mean_n～n(0,hyper_a2)

nozzle_σ_n～n⁺(0,hyper_b2)

在式(3)中，feeder[n]是服从平均为feeder_mean_n、标准差为feeder_σ_n的正态分布的随机变量，相当于送料器群中包括的第n送料器的不良度。feeder_mean_n以及feeder_σ_n可以是定数。进而如式(3)示出，可以在feeder_mean_n和feeder_σ_n设定先验分布，进行阶层贝叶斯化。feeder_mean_n，服从平均为0、标准差为hyper_a1的正态分布。feeder_σ_n是第n送料器的标准差，服从平均为0、标准差为hyper_b1的半正态分布。

同样，nozzle[n]是服从平均为nozzle_mean_n、标准差为nozzle_σ_n的正态分布的随机变量，相当于喷嘴群包括的第n喷嘴的不良度。nozzle_mean_n以及nozzle_σ_n可以是定数。进而如式(3)示出，可以对nozzle_mean_n以及nozzle_σ_n设定先验分布，进行阶层贝叶斯化。nozzle_mean_n是第n送料器的平均，服从平均为0、标准差为hyper_a2的正态分布。nozzle_σ_n服从平均为0、标准差为hyper_b2的半正态分布。

在这里，代替正态分布，也可以假定为服从t分布、柯西分布、或拉普拉斯分布等弱信息先验分布。另外，代替半正态分布，也可以假定服从半t分布、指数分布、或者伽马分布等弱信息先验分布。关于送料器以及喷嘴以外的构成要素群，也假定同样的概率分布。

此外，例如也可以假定按照构成要素群的特性的概率分布。例如图3示出，将送料器12，通过链轮12a按照规定角度旋转，从而使载带92以1齿距为单位移动，将对象部件91一个一个地供给。因此，按照链轮12a的旋转周期，被供给的对象部件91的位置产生周期性。例如，1个送料器12供给的多个部件，被供给的位置按每α个是类似的。α是自然数，相当于在链轮12a旋转1周的期间被供给的部件的数量。

在这个情况下，例如式(4)示出，可以按照每个送料器来假定平均与标准差。

(4)truezure～n(feeder[n][k]+nozzle[n]+…,σ)

feeder[n][k]～n(feeder_mean[n],feeder_σ[n])

feeder_mean[n]～n(0,hyper_a1)

feeder_σ[n]～n⁺(0,hyper_b1)

nozzle[n]～n(nozzle_mean[n],nozzle_σ[n])

nozzle_mean[n]～n(0,hyper_a2)

nozzle_σ[n]～n⁺(0,hyper_b2)

如式(4)示出，feeder[n][k]示出送料器群包括的第n送料器的α个的随机变量(相当于不良度)。feeder[n][k]服从平均为feeder_mean[n]、标准差为feeder_σ[n]的正态分布。

feeder_mean[n]示出送料器群包括的第n送料器的平均，服从平均为0、标准差为hyper_a1的正态分布。feeder_σ[n]示出送料器群包括的第n送料器的标准差，服从平均为0、标准差为hyper_b1的半正态分布。

同样nozzle[n]示出送料器群包括的第n送料器的随机变量(相当于不良度)，服从平均为nozzle_mean[n]、标准差为nozzle_σ[n]的正态分布。nozzle_mean[n]是第n送料器的平均，服从平均为0、标准差为hyper_a2的正态分布。nozzle_σ[n]是第n送料器的标准差，服从平均为0、标准差为hyper_b2的半正态分布。

此外，例如可以假定基于送料器12的输送动作的前一个状态的概率分布。送料器12，通过链轮12a旋转规定角度，也就是进行1次输送动作，从而一个一个地供给对象部件91。因此，输送动作的前一个状态，对当前的对象部件91的供给动作产生影响的可能性大。

在这个情况下，例如式(5)示出，可以按照每个送料器假定标准差。

(5)truezure～n(feeder[n][t]+nozzle[n]+…,σ)

feeder[n][t]～n(feeder[n][t－1],feeder_σ[n])

feeder_σ[n]～n⁺(0,hyper_b1)

nozzle[n]～n(0,nozzle_σ)

nozzle_σ～n⁺(0,hyper_b2)

如式(5)示出，feeder[n][t]示出送料器群包括的第n送料器的第t次的输送动作的随机变量(相当于不良度)。feeder[n][t]服从平均为feeder[n][t－1]、标准差为feeder_σ[n]的正态分布。feeder_σ[n]示出送料器群包括的第n送料器的标准差，服从平均为0、标准差为hyper_b1的半正态分布。hyper_b1可以是定数。进而，可以在hyper_b1设定先验分布，进行阶层贝叶斯化。可以假定hyper_b1服从半t分布、指数分布、或者伽马分布等弱信息先验分布。

同样，nozzle[n]示出送料器群包括的第n送料器的随机变量(相当于不良度)，服从平均为0、标准差为nozzle_σ[n]的正态分布。nozzle_σ[n]是第n送料器的标准差，服从平均为0、标准差为hyper_b2的半正态分布。hyper_b2可以是定数。进而，可以在hyper_b2设定先验分布，进行阶层贝叶斯化。也可以假定hyper_b2服从半t分布、指数分布、或者伽马分布等弱信息先验分布。

此外，例如，可以假定基于送料器12的输送动作的前1个状态与每一个送料器的偏移发生量的概率分布。

(6)truezure～n(feeder[n][t]+nozzle[n]+…,σ)

feeder[n][t]～n(feeder[n][t－1]+feeder_mean[n],σ2)

feeder_mean[n]～n(0,hyper_a1)

nozzle[n]～n(0,nozzle_σ)

nozzle_σ～n⁺(0,hyper_b2)

feeder_mean[n]示出送料器群包括的第n送料器的偏移平均，服从平均为0，标准差为hyper_a1的正态分布。hyper_a1可以是定数。此外，可以在hyper_a1设定先验分布，进行阶层贝叶斯化，服从半t分布、指数分布、或者伽马分布等弱信息先验分布。

统计处理部53，在所述式(2)～(6)的任一个示出的假定下，进行贝叶斯估计，从而算出与各个构成要素的不良度对应的变数的后验概率分布。例如，feeder[n]的后验概率分布的平均与标准差，相当于第n送料器的偏移的平均与标准差。同样，nozzle[n]的后验概率分布的平均与标准差，相当于第n喷嘴的偏移的平均与标准差。

接着，输出部54，对按照每个构成要素算出的平均以及标准差的各自与阈值进行比较(s24)。在至少1个平均或者标准差比阈值高的情况下(s24中的“是”)，输出部54，输出维护指示(s15)。维护指示，例如是用于确定超过阈值的不良度所对应的构成要素的信息。

在全部的平均以及标准差比阈值低的情况下(s24中的“否”)，结束管理装置50进行的管理处理。另外，在全部的平均以及标准差比阈值低的情况下，输出部54可以输出信息，将不需要维护的事宜通知给制造管理者、维护工作者等。

如上所述，本变形例涉及的管理装置50使用真正的偏移量e，进行基于规定的统计模型的处理，从而作为不良度算出每个构成要素的偏移的平均及标准差。

这样，如实施方式1同样，使用吸附偏移量d与校正量c的和的真正的偏移量e，所以被算出的偏移的平均及标准差，确切地表示构成要素的不良的程度。为了偏移的平均及标准差成为确切的值，通过利用该偏移的平均或者标准差，从而能够确切地判断每个构成要素是否需要维护。

如上所述，本变形例涉及的管理装置50，能够支援对部件安装机10具有的每个构成要素是否需要维护进行确切的判断。

(实施方式2)

接着说明实施方式2。

在实施方式1说明了根据由识别装置20的识别结果而算出的第1不良度超过第1阈值的情况下，输出维护指示的例。对于此，在实施方式2中，在第1不良度超过第1阈值的情况下，使用别的方法算出第2不良度，针对算出的第2不良度与第2阈值进行比较。在第2不良度超过第2阈值的情况下，输出维护指示。这样在实施方式2，为了输出维护指示，不良度与阈值的比较进行2个阶段。以下以与实施方式1的不同点为中心进行说明，省略或者简化共同点的说明。

图8是示出本实施方式涉及的具备管理装置150的部件安装系统101的构成的方框图。如图8示出，部件安装系统101，与实施方式1涉及的部件安装系统1进行比较时，具备部件安装机110以及管理装置150，以代替部件安装机10以及管理装置50。

部件安装机110，如图8所示，具备：多个喷嘴11、多个送料器12、头部控制装置118、基板摄像装置119。另外，虽然图8在没有示出，不过部件安装机110与图2及图3示出的部件安装机10同样地具备y轴移动桌16、x轴移动桌17以及头部18等。

头部控制装置118控制头部18的移动。具体而言，头部控制装置118通过控制y轴移动桌16及x轴移动桌17的线性驱动机构，从而使头部18的位置移动。头部控制装置118作为与对象部件91的安装有关的处理，使头部18在送料器12与基板90之间移动。从而，头部18保持的喷嘴11，从送料器12吸附对象部件91，配置到基板90的安装位置。

在本实施方式中，头部控制装置118，从管理装置150的输出部154接收规定的信号的情况下，进行与有关对象部件91的安装的处理不同的处理。具体而言，头部控制装置118，在接收了规定的信号的情况下，使头部18移动并且使基板摄像装置119进行摄像，从而生成包括送料器12的输送机构的图像。

基板摄像装置119是安装在头部18的摄像装置的一例。基板摄像装置119是为了在发生部件吸附错误时，对吸附位置进行校准而被设置的。具体而言，基板摄像装置119拍摄对象部件91的吸附位置，即在图3示出的包括载带92的凹部93b的范围。

基板摄像装置119，能够按照头部18的移动而移动，能够变更摄像范围。例如，基板摄像装置119能够与头部18一起移动，从而能够拍摄包括插入到基带93的导孔93a的链轮12a的齿部的范围。链轮12a的齿部是送料器12的输送机构的一例。基板摄像装置119生成包括链轮12a的齿部的图像，将生成的图像输出到管理装置150的偏移获得部155。

另外，在为了进行与对象部件91的安装有关的处理而头部18移动的情况下，基板摄像装置119的摄像范围内，不包括送料器12的输送机构。因此，头部控制装置118，在接收规定的信号的情况下，使头部18移动到越出进行安装时的头部18的移动范围的位置，具体而言，使头部18移动到链轮12a的齿部进入摄像范围的位置。从而，在接收规定的信号的情况下，成为不能进行对象部件91的安装的状态。相反，减少拍摄链轮12a的齿部的工序的执行次数，从而能够抑制生产效率的低下。在本实施方式中，通过减少管理装置150的输出部154输出规定的信号的次数，从而抑制生产效率的低下。

管理装置150，如图8示出，与实施方式1涉及的管理装置50比较时不同之处如下，新具备偏移获得部155，以及具备统计处理部153及输出部154，以代替统计处理部53及输出部54。

偏移获得部155，获得多个送料器12的至少1个输送机构的偏移量。具体而言，偏移获得部155，根据由基板摄像装置119生成的包括输送机构的图像，获得输送机构的偏移量。例如，偏移获得部155获得由基板摄像装置119生成的图像，针对获得的图像进行边缘提取处理等的图像处理，从而获得输送机构的偏移量。输送机构的偏移量，例如是能够通过头部来计算的、与链轮12a的齿部存在的理想位置之间的偏移量。偏移获得部155，可以将获得的偏移量蓄积到存储器40。例如，偏移获得部155，如图5的蓄积信息41示出，可以将摄像时刻、示出摄像对象的送料器12的要素信息、以及偏移量建立对应并存储到存储器40。

统计处理部153，除了实施方式1涉及的统计处理部53进行的处理之外，还进行使用了由偏移获得部155获得的偏移量的统计处理，从而算出第2不良度。例如，统计处理部153，将由偏移获得部155获得的多个偏移量的平均、标准差、变化量平均及变化量标准差的至少一个，作为第2不良度来算出。

输出部154，在第1不良度超过第1阈值的情况下，将规定的信号输出到头部控制装置118。从而，在第1不良度为第1阈值以下的情况下，不输出规定的信号，所以不进行头部18拍摄链轮12a的齿部的工序。因此能够抑制生产效率的低下。

此外，本实施方式涉及的输出部154，与实施方式1不同，只是第1不良度超过第1阈值时，不输出维护指示。输出部154，在第1不良度超过第1阈值，且第2不良度超过第2阈值的情况下，输出维护指示。例如，在基板摄像装置119拍摄的链轮12a的齿部的偏移量大的情况下，判断为第2不良度超过第2阈值。

第2阈值，例如是根据正常时的链轮12a的偏移量预先被算出的平均、标准差、变化量平均及变化量标准差中的至少1个。输出部154，在由统计处理部153算出的偏移量的平均(第2不良度)，比预先算出的平均(第2阈值)大的情况下，输出维护指示。在这个情况下，输出部154，将示出包括该链轮12a的送料器12为不良、是维护的对象的信息，作为维护的指示来输出。

接着关于本实施方式涉及的管理装置150的动作，利用图9说明。图9是本实施方式涉及的管理装置150的动作的流程图。

如图9示出，从获得示出一定区间的吸附偏移量d及校正量c的信息的处理(s10)到算出每个构成要素的偏移的估计量，也就是进行第1不良度与第1阈值的比较(s14)的处理为止，与实施方式1相同。此外，在全部的偏移的估计量比第1阈值低的情况下(s14中的“否”)，与实施方式1同样，结束由管理装置50进行的管理处理。

偏移的估计量，也就是第1不良度比第1阈值大的情况下(s14中的“是”)，使头部18移动(s115)。具体而言，首先输出部154将规定的信号输出到头部控制装置118。头部控制装置118使头部18移动，并且使基板摄像装置119拍摄送料器12的输送机构。基板摄像装置119将通过摄像而获得的图像，即包括输送机构(具体而言是链轮12a的齿部)的图像，输出到获得部155。

接着，偏移获得部155根据由基板摄像装置119生成的图像，获得偏移量(s116)。偏移获得部155，将获得的偏移量由存储器40来蓄积。

接着，统计处理部153，根据由偏移获得部155获得的偏移量进行统计处理(s118)。例如，统计处理部153，将由偏移获得部155获得的偏移量的平均、标准差、变化量平均及变化量标准差的至少一个，作为第2不良度来算出。

接着，输出部154，对由统计处理部153算出的第2不良度，即进行了统计处理的偏移量与第2阈值进行比较(s119)。输出部154，在第2不良度超过第2阈值的情况下(s119中的“是”)，输出维护指示(s15)。此外，在进行了统计处理的偏移量为第2阈值以下的情况下(s119中的“否”)，结束由管理装置50进行的管理处理。

如上所述，本实施方式涉及的部件安装系统101中，在输出维护指示之前，进行2个阶段的判断处理(步骤s14及s119)。此时，第1阶段的判断中使用的第1不良度，具体而言在步骤s13算出的偏移量，不是直接确认送料器12的不良而获得的，是通过统计处理运算的结果来获得的。因此，即使送料器12的第1不良度比第1阈值高，但实际有可能是送料器12没有产生不良。换言之，通过统计处理进行的不良度的估计有可能产生错误。

通过本实施方式，在第1不良度超过第1阈值的情况下，利用基板摄像装置119拍摄送料器12的输送机构，根据获得的图像，算出第2不良度。从而，获得准确度更高的送料器12的不良度，所以能够提高对是否需要维护的判断的精度。从而，能够防止无用的维护，所以能够抑制部件安装机110的运行率的低下，能够抑制生产效率的低下。

(实施方式3)

以下说明实施方式3。

在实施方式1说明了没有考虑在喷嘴11吸附对象部件91之后，随着头部18的移动从而吸附位置偏移的情况。例如，在对象部件91是小型或者轻量的情况下，或者在头部18移动时的加减速小的情况下等，实施方式1涉及的处理也有用。对于此，在实施方式3中，考虑在喷嘴11吸附对象部件91之后，随着头部18的移动从而吸附位置偏移，据此算出真正的偏移量。以下，以与实施方式1不同点为中心进行说明，省略或简化共同点。在实施方式3涉及的管理装置以及其动作，与实施方式1同样，利用图1示出的部件安装系统1的构成来进行说明。

图10是示出本实施方式涉及的部件安装系统的部件安装机具有的喷嘴吸附部件的动作的图。另外，在图10中，喷嘴11的中心位置l1用点划线来表示，对象部件91的中心位置l2用双点划线来表示。

图10的(a)示出喷嘴11的校正前的状态。喷嘴11，对由送料器12(未图示)供给的载带92保持的对象部件91进行吸附。此时，喷嘴11、送料器12、以及载带92内的对象部件91的位置至少1个产生偏移，从而点划线示出的喷嘴11的中心位置l1与双点划线示出的对象部件91的中心位置l2产生偏移。

如图10的(b)所示，通过喷嘴11的位置被校正，理想的是喷嘴11的中心位置l1与对象部件91的中心位置l2一致。然而，如图10的(c)所示，实际进行吸附的情况下，在喷嘴11的中心位置l1与对象部件91的中心位置l2，产生偏移量f的吸附偏移。

接着，如图10的(d)所出，通过头部18的移动，从而产生偏移量g的移动偏移。具体而言，由于头部18的移动开始之后紧接着加速度急速增加，从而产生移动偏移。在头部18设置有多个喷嘴11，在吸附多个对象部件91的情况下，重复头部18的加减速，所以容易产生移动偏移。这样，在移动偏移发生之后，由识别装置20来识别喷嘴11与对象部件91的位置关系。换言之，由识别装置20获得的吸附偏移量d(参考图4)，包括喷嘴11吸附对象部件91之后由于移动而发生的偏移量g。具体而言，吸附偏移量d相当于吸附时刻的偏移量f与基于移动的偏移量g的和。基于移动的偏移量g是依存于对象部件91的体积(或者重量)与头部18的移动速度的乘积的量。

本实施方式涉及的真正的偏移量e，与实施方式1同样，是吸附偏移量d与校正量c的和。在这里吸附偏移量d是吸附时刻的吸附偏移量f与移动偏移量g的和。

统计处理部53，对考虑了移动偏移量g的统计模型的参数进行最大似然估计。具体而言，代替实施方式1的说明中的式(1)，统计处理部53，如式(7)所出，将按照每个部件算出的真正的偏移量truezure视为依存于正态分布n，进行最大似然估计。

(7)truezure～n(feeder[n]+nozzle[n]+move[n]+…,σ)

在式(7)中，feeder[n]和nozzle[n]与实施方式1同样。此外，概率分布，不限于正态分布，可以是t分布、柯西分布、或者拉普拉斯分布。

式(7)中的move[n]，根据头部18的移动路径可以包括多个项。例如，在头部18保持多个喷嘴11的情况下，为了吸附多个对象部件91，在对象喷嘴11吸附对象部件91之后，直到被识别装置20识别为止的期间发生的加减速的次数，从而追加move[n]的项。

move[n]，例如由对象部件91的体积、喷嘴11的移动速度、规定的移动参数的积来表示。移动参数，由以正态分布为先验分布的贝叶斯估计或者最大似然估计来决定。

如上所述，在本实施方式中，能够进行考虑了由于在吸附对象部件91之后的喷嘴11的移动而产生的吸附偏移量g的统计处理。从而，吸附偏移的原因的分析精度提高，所以能够提高第1不良度的准确度。因此，能够提高是否需要维护的判断的精度，所以能够抑制制造物的生产效率以及品质的低下。

另外，在实施方式1以及该变形例中说明的式(2)～式(6)，也同样可以追加move[n]。

(其他实施方式)

以上，关于1个或者多个方案涉及的管理装置、管理方法以及部件安装系统，根据实施方式进行了说明，但是本公开不被这些实施方式所限定。在不超出本公开的宗旨的范围内，将本领域技术人员想出的各种变形实施在本实施方式、或者将不同实施方式中的构成要素进行组合构筑的形式，也包括在本公开的范围内。

例如，在实施例中，构成偏移的要素，设为送料器、喷嘴、移动偏移，但是同样可以追加部件种类以及头部等，对偏移带来影响的其他要素。

例如，管理装置50，可以不对不良度与阈值进行比较。例如，管理装置50，可以将按照每个构成要素算出的不良度，包括在蓄积信息41来保存。从而，例如利用其他的终端装置等从存储器40读出不良度，从而能够对不良度与阈值进行比较。

此外，例如管理装置50，可以具备存储器40。存储器40，可以是针对管理装置50自由地装拆的存储装置。

此外，例如管理装置50，可以不具备蓄积部51。例如，部件安装机10的控制装置30，按照每个部件将要素信息、吸附偏移量d以及校正量c建立对应并保存到存储器40。

此外，(1)所述各个装置，具体而言可以是由微处理机、rom、ram、硬盘装置、显示器单元等构成的计算机系统。在ram(ramdomaccessmemory)或硬盘装置中，存储有计算机程序。微处理机，按照计算机程序而动作，从而各个装置达成该功能。在此，为了达成规定的功能，计算机程序是组合多个命令代码而构成的，该命令代码示出对计算机进行的指令。

(2)构成上述各个装置的构成要素的一部分或者全部，可以由1个系统lsi(largescaleintegration：大规模集成电路)来构成。系统lsi，是将多个构成部集成在1个芯片上制造的超多功能lsi，具体而言是包括微处理机，rom(readonlymemory)，ram等构成的计算机系统。所述ram记录有计算机程序。微处理机，按照计算机程序动作，从而系统lsi达成其功能。

(3)构成上述各个装置的构成要素的一部分或者全部，可以由能够在各个装置进行装拆的ic卡或单体的模块构成。ic卡或模块是由微处理机、rom、ram等构成的计算机系统。ic卡或模块，可以包括所述超多功能lsi。微处理机，按照计算机程序进行动作，从而ic卡或模块达成该功能。该ic卡或者该模块，可以具有耐篡改性。

(4)本公开可以是上述示出的方法。此外，这些方法可以是由计算机实现的计算机程序，也可以是由计算机程序构成的数字信号。

(5)本公开可以是将计算机程序或者数字信号记录在能够由计算机读取的记录介质，例如软磁盘、硬盘、cd－rom、mo、dvd、dvd－rom、dvd－ram、bd(blu－ray(注册商标)disc)、半导体存储器等。此外，也可以是在这些记录介质中记录的数字信号。

(6)本公开可以是将计算机程序或数字信号，经由电通信线路、无线或有线通信线路、以因特网为代表的网络、数据广播等传输。

(7)本公开可以是具备微处理机和存储器的计算机系统，所述存储器存储所述计算机程序，所述微处理机按照计算机程序来动作。

(8)通过将程序或数字信号记录在记录介质并移送，或者将程序或数字信号，经由网络等移送，从而可以由独立的其他的计算机系统来实施。

此外，所述各个实施方式，在技术方案或者其均等的范围内，能够进行各种变更、调换、附加、省略等。

本公开可以利用于能够支援针对部件安装机具有的每个构成要素确切地判断是否需要维护的管理装置等，例如能够利用于工厂的制造管理等。

符号说明

1，101部件安装系统

10，110部件安装机

11，11a，11b喷嘴

12送料器

12a链轮

12b按压部件

13基台

14基板搬送机构

15部件供给部

16y轴移动桌

17x轴移动桌

18头部

20识别装置

30控制装置

31吸附偏移量获得部

32校正量决定部

33控制部

40存储器

41蓄积信息

50，150管理装置

51蓄积部

52真正的偏移量算出部

53，153统计处理部

54，154输出部

90基板

91对象部件

92载带

93基带

93a导孔

93b凹部

94罩带

118头部控制装置

119基板摄像装置

155偏移获得部